近期，Gartner在解读2024年中国技术趋势时预测，根据2024年中国数据分析和人工智能技术成熟度曲线，大语言模型技术已经走过了期望肿胀期，而自主智能体技术正处于爬坡阶段，未来将得到行业用户的重点关注。

 

这意味着，当前行业对大模型技术的关注正在转向应用层，AI Agent正在成为推动各行业数字化转型和高质量发展的关键力量。

 

在《2024爱分析·AI Agent市场研究报告》（以下简称《报告》）中指出，能源、金融、政务是AI Agent落地进展最快的三个行业。落到实际业务场景，营销则是目前AI Agent进展较快且价值度较高的场景之一。

 

通常情况下，营销活动会产生大量的用户行为数据，企业需要通过这些数据，更好地了解用户需求及偏好，从而进行个性化营销推荐，以助力业务增长。而AI Agent可凭借其强大的自然语言处理能力，能够有效沉淀用户数据和专家知识，实现营销活动的持续优化，助力提升销售转化。因此，营销场景成为了AI Agent应用的理想场景。

 

 

在之前《报告》的系列解读文章中，我们系统地整理了企业用户落地AI Agent时可能面临的理论问题和技术难点，但Agent落地不仅仅只涉及到理论层面的疑问，还关乎实践中是否有可供借鉴的探索与经验，参考现有市场中的代表性案例十分必要。

 

因此，我们以《报告》中提及的金融行业某保险经纪营销辅助Agent为例，作了不改变原意的摘录，与大家分享AI Agent在营销领域的实践经验👇🏻

 

 

案例：某保险经纪营销辅助Agent

 

项目背景及挑战

 

该保险经纪是国央企集团旗下的全国性、综合性保险经纪机构，其业务遍布全国各地，下属几十家分支机构，旨在为广大客户提供一流的保险经纪及风险管理服务。

 

该险企旗下的带病体/非标体保险产品有着广阔的市场需求，但其产品需求因人而异，面临定价难、核保难等诸多问题，传统的营销销售路径存在一定的瓶颈：

 

1）传统的获客成本过高，且难以应对当前市场的庞大需求。传统保险经纪人通常需要“人找线索”，经统计：每100人中，15~18%的人才是潜在目标客户，如再假设潜在目标客户漏斗为 20%的转化率，销售聊100人，转化3人，人效比低。

 

2） 保险经纪人员的团队规模和专业能力要求高。一方面，随着市场需求以及该保险经纪公司的业务范围不断扩展，对保险经纪人员的数量需求上升；另一方面，该险企区别于其它保险产品公司的关键是，其可承接市面上所有类型保险产品，并可为客户量身推荐产品或产品组合。也就意味着在面对用户需求时，如何根据不同因素如保费等级、地区等要求，有效、高效地为用户提供最合适的保险产品成为重点。

 

产品方案

 

该险企联合澜码科技推出保险产品营销辅助 Agent，实现自动对体检单提取健康状况及疾病相关的信息，专家知识通过自然语言的方式将产品匹配规则进行输入，Agent 会自动根据抽取的信息和匹配规则，针对用户的健康情况，推荐适配的健康保障产品，同时辅助经纪人在已有客户上面进行更大范围的产品销售和推荐。

 

系统前端可实现多渠道接入客户线索，并可自动针对体检单健康状况及疾病相关的信息进行提取，并通过自然语言的方式将专家知识、产品匹配规则进行输入，Agent 会自动根据抽取的信息、产品匹配规则，针对用户的健康情况推荐适配的健康保障产品，辅助经纪人在已有客户基础上进行更大范围的产品销售和推荐，打破传统“人找线索” 营销困境。

 

同时，系统可仿照专家的分析和匹配过程，构建匹配 Al Agent，打造会话式的“专家分身”，将专业内容转化为一般用户和保险业务员易懂的语言，便于对潜在客户进行保险产品和健康管理服务推荐，提升保险经纪团队的服务水平，实现保险产品的高效匹配，提高线索转化。

 

项目成效

 

该险企带病体/非标体保险产品营销辅助 Agent，作为该企业保险产品的AI支撑平台，向上承接各种业务与用户的需求，向下衔接企业内各类产品，打造了真正意义的Al Native 产品，宏观上整体改变了保险经纪的业务形态及业务推进方法。

 

产品销售层面，通过平台扩展线索来源，按专家经验构建 AI分身，实现线索自动匹配，定向派单，提升线索转化效率，缩短预核保周期（从3周提升至 3-5个工作日）；专家输入产品匹配规则、保险知识、体检报告解读等原始数据至系统中，Agent 可根据消费者体检报告分析并输出该报告结果，并提供相应的保险产品推荐。在专家知识赋能下高效匹配用户及保险产品，由此实现对保险方案的定制化推荐，极大提升了保险销售人员的转化率。

 

公司运营层面，自动化构建保险专家知识，助力保险公司实现智能化知识管理；通过沉淀保险专家知识库，解放专家时间，使得本就少量的保险专家可以有更多的时间去针对客户场景选择和组合不同的保险产品，同时赋能 Agent形成良性循环。